Model-Based Recursive Partitioning with Adjustment for Measurement Error
Applied to the Cox's Proportional Hazards and Weibull Model
PAYBACK Punkte
19 °P sammeln!
Die ersten beiden Sätze des Kurztextes für den Umschlag sollen die wichtigsten Vorteile und Kernaussagen Ihres Buches herausstellen. Einleitungssätze wie In den letzten Jahren o.Ä. sollen vermieden werden. Dies dient dazu, dem Buch die bestmögliche Aufmerksamkeit und Auffindbarkeit zu gewährleisten. Bei Google und Amazon werden beispielsweise häufig nur Vorschauen angezeigt. Daher ist es wichtig, die Verkaufsargumente direkt in den ersten beiden Sätzen, die in einer solchen Vorschau erscheinen würden, zu platzieren. Auch lesen viele potenzielle Käufer nicht den ganzen Umschlagtext, s...
Die ersten beiden Sätze des Kurztextes für den Umschlag sollen die wichtigsten Vorteile und Kernaussagen Ihres Buches herausstellen. Einleitungssätze wie In den letzten Jahren o.Ä. sollen vermieden werden. Dies dient dazu, dem Buch die bestmögliche Aufmerksamkeit und Auffindbarkeit zu gewährleisten. Bei Google und Amazon werden beispielsweise häufig nur Vorschauen angezeigt. Daher ist es wichtig, die Verkaufsargumente direkt in den ersten beiden Sätzen, die in einer solchen Vorschau erscheinen würden, zu platzieren. Auch lesen viele potenzielle Käufer nicht den ganzen Umschlagtext, sondern nur die ersten 1 bis 2 Sätze. Am Ende des Kurztextes kann gern noch ein Model-based recursive partitioning (MOB) provides a powerful synthesis between machine-learning inspired recursive partitioning methods and regression models. Hanna Birke extends this approach by allowing in addition for measurement error in covariates, as frequently occurring in biometric (or econometric) studies, for instance, when measuring blood pressure or caloric intake per day. After an introduction into the background, the extended methodology is developed in detail for the Cox model and the Weibull model, carefully implemented in R, and investigated in a comprehensive simulation study.
Andere Kunden interessierten sich für
